澎湃新聞獲悉，8月5日，北京深勢科技有限公司（下稱“深勢科技”）宣布完成數(shù)千萬美元A輪融資，高瓴創(chuàng)投領(lǐng)投，經(jīng)緯中國、百圖生科跟投。值得一提的是，這是這家資本市場炙手可熱的公司在近一年內(nèi)連續(xù)完成的第三輪融資。

此前的2020年7月，該公司完成了由百度風(fēng)投領(lǐng)投，唯獵資本和盛景嘉成跟投的天使輪融資。隨后的2021年3月，深勢科技完成了由元璟資本領(lǐng)投，清流資本跟投的Pre-A輪融資。

公司官網(wǎng)介紹，深勢科技成立于2019年，致力于以新一代分子模擬技術(shù)解決微觀尺度工業(yè)設(shè)計難題，以打造切實服務(wù)于藥企、材料商和科研機(jī)構(gòu)的模擬研發(fā)平臺為主要業(yè)務(wù)方向。深勢科技稱，公司具有強(qiáng)大的科研與產(chǎn)業(yè)落地能力。其新一代分子模擬算法在保持量子力學(xué)精度的基礎(chǔ)上，將分子動力學(xué)的計算速度提升了至少五個數(shù)量級，且對算力的需求與體系的原子數(shù)量呈線性依賴；結(jié)合高性能計算，能夠?qū)?shù)十億原子規(guī)模的體系進(jìn)行量子力學(xué)精度的計算模擬。

令人關(guān)注的是，深勢科技核心團(tuán)隊由中國科學(xué)院院士鄂維南（同時也是深勢科技董事及首席科學(xué)顧問）等人領(lǐng)銜，主要來自北京大學(xué)、普林斯頓大學(xué)、約翰霍普金斯大學(xué)、復(fù)旦大學(xué)、中科院上海藥物研究所、阿里、百度等世界一流高校、科研機(jī)構(gòu)和企業(yè)，科研隊伍由物理建模、數(shù)值算法、機(jī)器學(xué)習(xí)、高性能計算及藥物和材料計算等多個領(lǐng)域的數(shù)十名優(yōu)秀青年科學(xué)家構(gòu)成。

該公司聯(lián)合創(chuàng)始人兼首席科學(xué)家為張林峰博士。張林峰由北京大學(xué)元培學(xué)院交叉學(xué)科培養(yǎng)，在普林斯頓大學(xué)博士期間師從應(yīng)用數(shù)學(xué)和化學(xué)系兩位院士，主要研究方向包括統(tǒng)計物理、分子模擬和機(jī)器學(xué)習(xí)，及其在化學(xué)、生物、材料等方向的應(yīng)用。他通過結(jié)合機(jī)器學(xué)習(xí)、多尺度建模方法、高性能計算，有效解決了計算化學(xué)、分子動力學(xué)模擬等方向中的一系列關(guān)鍵問題，跨過了很多傳統(tǒng)思路和單一科研視角的局限。

2019年11月19日，美國計算機(jī)協(xié)會ACM公布2020年戈登貝爾獎的頒獎結(jié)果，深勢科技團(tuán)隊的核心成員即獲得該獎項，相關(guān)工作也當(dāng)選2020年中國十大科技進(jìn)展。戈登貝爾獎素有超算界諾貝爾獎的美譽(yù)。研究團(tuán)隊通過機(jī)器學(xué)習(xí)將分子動力學(xué)極限從基線提升到了1億原子的驚人數(shù)量，同時仍保證了從頭算的高精度，效率是之前人類基線水平的1000 倍。

據(jù)介紹，深勢科技致力于解決的微尺度工業(yè)設(shè)計，是指通過在電子、原子、分子尺度進(jìn)行組分與結(jié)構(gòu)設(shè)計，從而實現(xiàn)特定物理、化學(xué)性質(zhì)的工業(yè)設(shè)計。很多微觀性質(zhì)預(yù)測的本質(zhì)需求是精確求解原子間相互作用，描述原子間相互作用的關(guān)鍵物理量是原子間的勢能面。

對此，長期以來人們面臨著精度和效率不可兼得的困局：基于經(jīng)驗立場的方法快而不準(zhǔn)，基于量子力學(xué)的方法準(zhǔn)而不快。且傳統(tǒng)的量子力學(xué)模型盡管模擬精度高，但會隨著模擬規(guī)模的指數(shù)級增加而陷入“維數(shù)災(zāi)難”，僅能實現(xiàn)幾十到幾百個原子體系的建模，難以支撐藥物、材料研究所需的數(shù)萬乃至數(shù)百萬級原子規(guī)模體系的模擬。

深勢科技首創(chuàng)革命性的“多尺度建模+機(jī)器學(xué)習(xí)+高性能計算”新范式，突破性地實現(xiàn)了多尺度分子模擬中精度與效率的統(tǒng)一，最具代表性的DeePMD方法在保持量子力學(xué)精度的基礎(chǔ)上，將分子動力學(xué)的計算速度提升了令人驚嘆的至少五個數(shù)量級。簡單來說，就是相比于傳統(tǒng)的量子力學(xué)計算工具，在相同精度前提下，極大地提升了物理方程的求解效率，從而極大地拓展了人類使用計算機(jī)模擬客觀物理世界的能力。

實際上，在今年7月的2021世界人工智能大會全體會議期間，鄂維南在演講中也闡述過相關(guān)工作。他表示，“我認(rèn)為重要的不是Gordon-Bell Prize（戈登貝爾獎），而是說我們第一次看到把機(jī)器學(xué)習(xí)、科學(xué)計算和高性能計算這三大最主要的工具結(jié)合在一起，我們有多么大的空間可以實現(xiàn)。”

鄂維南提到，用計算方法來解決問題已經(jīng)成了一個很重要的工具，可以說是現(xiàn)代工業(yè)和技術(shù)賴以生存的基礎(chǔ)。但同時強(qiáng)調(diào)，我們?nèi)匀挥泻芏鄦栴}沒有得到解決，“比方說材料的性質(zhì)與設(shè)計，分子、藥物的分子與設(shè)計，這些遠(yuǎn)遠(yuǎn)沒有得到解決，基于基本原理的控制方法也沒得到解決。”造成的結(jié)果則是，“做理論的人、做實驗的人和做實際場景這三個團(tuán)體差得非常遠(yuǎn)，理論化學(xué)、實驗室的化學(xué)和實際工業(yè)應(yīng)用的化學(xué)，這些場景差距很遠(yuǎn)。”

這些問題困難在哪里？鄂維南總結(jié)它們都有一個共同的根源，就是所謂的“維數(shù)災(zāi)難”，也就是它依賴的變量太多了。“維數(shù)災(zāi)難是什么意思？就是隨著變量的個數(shù)或者維數(shù)的增加，計算復(fù)雜度是指數(shù)增加的。從數(shù)學(xué)上來講，它也有一個基本的困難，也就是多項式在高維不是一個有效的工具。”

鄂維南提出，能解開這一困局的或許正是深度學(xué)習(xí)。他在現(xiàn)場通過最簡單的圖像識別以及公眾熟知的AlphaGo舉例稱，神經(jīng)網(wǎng)絡(luò)可以幫助我們來有效地表示或者是逼近高維空間的函數(shù)，多項式不行，而深度神經(jīng)網(wǎng)絡(luò)是一個有效的替代品。“所以說在最基本的層面，我們有了一個全新的非常有效的工具，它帶來的影響是巨大的。”

他當(dāng)時總結(jié)稱，從科學(xué)的角度來說，機(jī)器學(xué)習(xí)在科學(xué)和科學(xué)計算領(lǐng)域的應(yīng)用，可以帶來新的計算方法，新的科學(xué)模型，新的實驗方法，新的產(chǎn)業(yè)業(yè)態(tài)。